[논문]무인기 지원 RGB 영상과 다중선형회귀분석을 이용한 하천 수심 추정

문현태; 이정환; 육지문; 문영일

doi:10.3741/jkwra.2020.53.12.1059

[국내논문] 무인기 지원 RGB 영상과 다중선형회귀분석을 이용한 하천 수심 추정
Estimation of river water depth using UAV-assisted RGB imagery and multiple linear regression analysis 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.53 no.12, 2020년, pp.1059 - 1070

문현태 (서울시립대학교 토목공학과) , 이정환 (서울시립대학교 토목공학과) , 육지문 (서울시립대학교 토목공학과) , 문영일 (서울시립대학교 토목공학과)

초록
AI-Helper

하천단면 계측자료는 하천관리를 위한 유량산정 및 홍수 예·경보 방안 등 수리·수문 모델링 관련 연구에서 가장 중요한 입력자료 중 하나이다. 그러나 불규칙한 기하학적 구조로 이어지는 하천의 정확하고 연속적인 단면자료의 취득은 시간과 비용적 측면에서 큰 제약이 따른다. 이러한 관점에서 본 연구의 목적은 연속적인 하천특성의 공간분포를 시간과 비용, 인력의 투입을 최소화하여 계측할 수 있는 방법론을 개발하는 것이다. 따라서 RGB기반 항공 이미지와 실측 자료를 이용한 다중 선형 회귀 분석을 통해 각 단면별로 수심을 추정하고 연속적인 단면 추정 가능성과 정확도를 검토하고자 하였다. 실측 자료와 비교검증을 통해 공간적으로 이질적인 관계를 포착할 수 있는 수심 약 2 m 내외에서 수심을 정확하게 추정할 수 있음을 확인하였으며 이를 통해 정확하고 연속적인 하천 단면 취득에 기여할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper

River cross-section measurement data is one of the most important input data in research related to hydraulic and hydrological modeling, such as flow calculation and flood forecasting warning methods for river management. However, the acquisition of accurate and continuous cross-section data of rivers leading to irregular geometric structure has significant limitations in terms of time and cost. In this regard, a primary objective of this study is to develop a methodology that is able to measure the spatial distribution of continuous river characteristics by minimizing the input of time, cost, and manpower. Therefore, in this study, we tried to examine the possibility and accuracy of continuous cross-section estimation by estimating the water depth for each cross-section through multiple linear regression analysis using RGB-based aerial images and actual data. As a result of comparing with the actual data, it was confirmed that the depth can be accurately estimated within about 2 m of water depth, which can capture spatially heterogeneous relationships, and this is expected to contribute to accurate and continuous river cross-section acquisition.

주제어

표/그림 (12)

그림 Fig. 1. Aerial images of survey basin and cross-section measurement methods by GPS, RTS
표 Table 1. Deviation between RTS and GPS
그림 Fig. 2. Aerial images of the locations of GCP
표 Table 2. Cross-sectional averaged velocity (U) and water depth (H) with discharge (Q) and channel width (W) measured on Oct 08, 2019
그림 Fig. 3. Comparison of drone-observed elevation with real observed elevation at (a)-(c) Sec.2 through Sec.4
그림 Fig. 4. Development and verification of regression model
표 Table 3. Relationship between the selected band DN and observed river bed height
그림 Fig. 5. Comparison between observed water depth and estimated water depth using (a) RGB, (b) RG, (c) RB, (d) GB MLR models. The solid line and dot line indicate a 1:1 linear line and a fitting line to estimations, respectively
그림 Fig. 5. Comparison between observed water depth and estimated water depth using (a) RGB, (b) RG, (c) RB, (d) GB MLR models. The solid line and dot line indicate a 1:1 linear line and a fitting line to estimations, respectively (continue)
그림 Fig. 6. Comparison of estimated river bed elevation with observed elevation at (a)-(d) Sec.1 through Sec.4
표 Table 4. Accuracy of MLR model in estimating water depth
그림 Fig. 7. Aerial images taken by the drone where larger errors occur

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 드론 항공 이미지 및 다중선형회귀분석 기법을 이용하여 미계측 단면의 수심을 추정하는 방법을 제시하고 정확도를 검증하였다. 기존 하천 측량 방법은 표척을 기준으로 레벨이나 광파기를 활용한 지점 측량 방식을 사용하여 많은 비용과 인력, 시간이 소요되며 사람이 하천에 직접 접근해야 했기에 계측자의 안전성 문제가 있다.
, 2018). 본 연구에서는 드론에 탑재되어 있는 RGB 카메라를 사용하여 시간과 비용을 저감시켜 합리적으로 하천계측에 적용할 수 있도록 고안되었다.
이러한 관점에서 본 연구의 가장 큰 목적은 연속적인 하천 특성의 공간분포를 시간과 비용, 인력의 투입을 최소화하여 합리적으로 계측할 수 있는 방법론을 개발하는 것이다. 본 연구를 통해 얻은 결론은 다음과 같다.
이러한 관점에서 본 연구의 목적은 최근 보편화된 드론과 적합 된 회귀식을 통해 RGB 디지털 값에 따른 미계측지의 수심과 하천 단면을 합리적으로 추정하는 방법론을 개발하는 것이다. 즉, 미계측지에 대한 하천 단면 추정의 가능성과 정확도 수준을 평가하여 적용성을 검증하는데 목적이 있다.
또한 물의 흐름이 존재하여 다른 탐사 대상보다 상대적으로 시간에 따른 변화가 빠르다. 이에 본 연구에서는 낮은 고도에서 운영할 수 있고, 빠른 주기로 자료를 수집할 수 있는 드론을 통해 대상 유역의 항공 이미지를 분석하였다. 자료취득을 위해 5472 × 3648 pixels 공간해상도의 RGB 기반 디지털 카메라가 장착되어 있는 드론(MAVIC 2 Pro, DJI) 을 사용하였으며, 대상유역 전체 범위를 담기위해 고도 100 m 상공에서 전면중복도 80%, 측면중복도 70%로 780장의 이미지를 취득하였다.
즉, 미계측지에 대한 하천 단면 추정의 가능성과 정확도 수준을 평가하여 적용성을 검증하는데 목적이 있다. 기존연구와 본 연구와의 차이점을 간단히 나타내면 다음과 같다.

가설 설정

, 2001). 그러나 본 연구에서 촬영한 항공이미지의 경우 이미지 촬영고도가 약 100 m 정도로 낮아 PTFE시트의 RGB픽셀 강도에 의한 RGB값 정규화 과정과 _ 및 _에 대한 대기 및 태양광선 보정은 무시할 수 있는 것으로 가정하였다(Jakob et al., 2017; Yang et al., 2017). 한편 Kuster (2012)에 따르면, 대기 및 지형적 영향에 따라 영상의 밝기값 변화로 나타나는 왜곡을 보정하기 위한 방사 보정(Radiometric Correction) 과정이 오히려 원본 이미지의 불필요한 왜곡을 유발할 수 있다고 보고된 바 있다(Kim et al.

제안 방법

즉, 아래의 Eq. (4)이 최소가 되도록 적용하여 오차 자승합이 최소가 되는 회귀식의 모수를 결정하였다. 여기서 ^_는 예측값, _는 실측값, 는 계측 지점을 나타낸다.
제3단면, 제4 단면은 곡류구간임을 감안하여 제2단면의 하류 30 m에 제3단면, 제3단면의 하류 30 m에 제4단면을 설정하였다. 그리고 제 2단면과 제 3단면 사이 중간지점에 회귀식 개발을 위한 단면을 설정하였다. 하천단면 계측은 2019년 10월 8일에 수행되었으며, 기온 19.
따라서 본 연구에서는 항공촬영 이미지에 불필요한 방사 보정 과정을 거치지 않은 원본 이미지를 사용하였다. 드론으로 촬영된 RGB 이미지의 정사 보정 및 UTM 좌표 변환을 위해, 지상기준점(GCP)은 Fig. 2와 같이 유역 내 최소 14개 지점에 설치하였으며 그 위치는 RTK-GPS로 측량하였다. 모든 픽셀의 이미지 좌표는 14개의 GCP 좌표를 사용하여 다음과 같이 UTM좌표로 변환하였다(Fujita et al.
이는 독립변수 G와 B간의 상관 성이 존재하며 이에 따른 다중공선성으로 판단된다. 따라서 본 절에서는 독립변수 RG 조합 회귀모형을 최적의 조합으로 적용하여 정확도를 검증하였다.
수심이 깊어진 일정 구간에서는 태양광에 의한 난반사, 빛의 투과, 흡수, 굴절 등으로 정상적인 하상고 추출이 이루어지지 않았으며, 매우 낮은 수준의 정확도를 보였다. 따라서 본연구에서는 다중선형회귀분석을 이용하여 RGB값에 의한 수심 추정 방법을 적용하였다.
먼저 회귀식 개발 단면에서의 측점별 항공이미지의 R, G, B 값과 실측 하상고를 이용하여 다중선형회귀식을 산정하였다. 다중선형회귀는 단순선형회귀의 확장형으로 종속변수와 둘 이상의 독립변수들 사이의 선형관계를 모델링하며, Eq.
수행되었다. 본 연구는 상대적으로 폭이 좁은 하천을 대상으로 수행하였으며 하천 유역 특성에 적합한 회귀모형을 적용하여 검토하였다. 둘째, LiDAR 시스템을 이용한 방법은 방대한 자료를 처리하기 위하여 특수 알고리즘이 요구되며 (Legleiter et al.
, 2013), 물로 통과한 빛이 비용해성 부유물질에 의해 흡수되거나 산란될 수 있어, 물의 탁도가 높을 경우 정확도가 저하되는 기술적인 어려움이 있다. 본 연구는 실측수심과 RGB 대역별 디지털 값의 상관성을 이용한 방법으로, 빛의 파장별 상관성을 반영하는 선형회귀 식을 통해 수심을 추정하였다. 즉, 물의 색상, 탁도, 수면에서의 반사와 투과되는 빛의 세기에 따라 변하는 빛의 파장별 디지털 값을 사용하므로 유역 자체의 스펙트럼 특성이 동시에 반영되어 수심을 예측할 수 있는 장점이 있다.
또한 물의 색상, 탁도, 대기의 상태, 태양의 고도 등에 따라 영향을 받으며 수면에서 반사와 투과되는 빛의 세기의 비율도 변하게 된다. 본 연구에서는 이러한 물리적 특성이 일정한 경우로 가정하여 RGB값을 이용한 다중 선형 회귀 모형을 통해 실제 하상고와 이미지의 RGB 대역별 값의 상관성을 분석하였다. 본 연구의 적용성을 검증하기 위하여 Fig.
본 연구에서는 최적의 회귀식 산정을 위한 독립변수로 (R, G, B), (R, G), (R, B), (G, B) 조합을 사용하여 각각의 회귀 식을 산정하였으며 조합별 수심 추정 결과와 정확도를 분석하였다. Yi et al.
본 연구에서는 이러한 물리적 특성이 일정한 경우로 가정하여 RGB값을 이용한 다중 선형 회귀 모형을 통해 실제 하상고와 이미지의 RGB 대역별 값의 상관성을 분석하였다. 본 연구의 적용성을 검증하기 위하여 Fig. 4와 같이 회귀식 개발을 위한 단면과 4개의 검증단 면을 분리하여 하천 단면 추정의 가능성과 정확도 수준을 평가하였다.
6는 RG 조합 모형에 의한 예측값 및 오차를 도시하였다. 예측의 정확도를 검증하기 위하여 실제값과 예측값의 평균 절대오차(MAE) 및 평균절대비율오차(MAPE)를 다음과 같이 구하였다. Table 4는 분석 결과를 정리한 표이다.
RTK-GPS측량은 GPS를 이용한 실시간 동적 측위 방식으로 기준국과 이동국을 설치하고 기준국에서 모뎀을 이용하여 오차량을 전송함으로써 이동국의 위치정확도를 향상시키는 GPS측량 방식이다. 월계1교 지점 8개의 기준점과 4개의 하천단면에 대하여 GPS를 이용하여 실시간이동측위 (RTK)방식으로 하천측량을 실시하였다. 측량오차를 최소화하기 위하여 각 단면선을 따라 1 m 간격으로 최소 3회 이상 측정하여 자료의 평균값을 이용하였다.
(2005)는 약 2 m 수심의 하천에서 ADCP에 의해 측정된 수심 분포가 직접 측심에 의한 수심 분포와 거의 일치하였으며 수심측량 규정의 허용오차를 만족하는 결과를 보인 바 있다. 유속측정은 대상유역의 4개 단면 평균 하폭이 60 m 이내이므로 ADCP를 이용한 횡측선법을 이용하여 정상류 상태의 유속을 측정하였으며, 횡단 방향에 따른 편기 오차를 최소화하기 위해 4회 이상 반복 측정을 수행하였다. 각 단면별로 측량 결과가 안정적인 단면은 좌·우안 각각을 시작점으로 왕복 2회 측량을 실시하였고, 그렇지 않은 경우 3회 왕복 측량하여 평균값을 이용하였다.
첫째, 기존의 초분광 영상 기술 등에 대한 연구는 주로 위성 및 항공시스템을 이용하였으며 공간분포가 큰 해안이나 하구 영역에서 수행되었다. 본 연구는 상대적으로 폭이 좁은 하천을 대상으로 수행하였으며 하천 유역 특성에 적합한 회귀모형을 적용하여 검토하였다.
2의 물리적인 조건에서 수행되었다. 측량 기준점 계측을 위해 RTS (Robotic Total Station)와 RTK-GPS (Real Time Kinematic Global Positioning Systems)를 이용하여 8 개의 기준점에 대한 측량 오차를 비교·보정 하였다. RTS는 거리와 연직각 및 수평각을 하나의 기계로 관측할 수 있는 장비로, 전자식 세오돌라이트 (electronic theodolite)와 광파 측거기 (electro optical instruments)가 하나의 기기로 통합되어 있어 측정한 자료를 신속히 처리하고 출력한다.

대상 데이터

1은 측량 유역 및 단면계측 방법을 항공 이미지로 나타낸 것이다. 그림에서 보는 바와 같이 월계1교 지점의 상류 제방선과 직각으로 만나는 제1단면을 기준으로 하류 30 m에 제 2단면을 설정하였다. 제3단면, 제4 단면은 곡류구간임을 감안하여 제2단면의 하류 30 m에 제3단면, 제3단면의 하류 30 m에 제4단면을 설정하였다.
, 2019). 따라서 본 연구에서는 항공촬영 이미지에 불필요한 방사 보정 과정을 거치지 않은 원본 이미지를 사용하였다. 드론으로 촬영된 RGB 이미지의 정사 보정 및 UTM 좌표 변환을 위해, 지상기준점(GCP)은 Fig.
본 연구에서는 불규칙한 하천단면과 스펙트럼 이미지 자료를 취득하기 위해 서울시 중랑천 월계1교 지점을 대상 유역으로 선정하였다. 중랑천은 유역면적 296.
이에 본 연구에서는 낮은 고도에서 운영할 수 있고, 빠른 주기로 자료를 수집할 수 있는 드론을 통해 대상 유역의 항공 이미지를 분석하였다. 자료취득을 위해 5472 × 3648 pixels 공간해상도의 RGB 기반 디지털 카메라가 장착되어 있는 드론(MAVIC 2 Pro, DJI) 을 사용하였으며, 대상유역 전체 범위를 담기위해 고도 100 m 상공에서 전면중복도 80%, 측면중복도 70%로 780장의 이미지를 취득하였다. 취득된 이미지는 후처리 소프트웨어 Pix4D 를 사용하여 프로세싱 하였다.

데이터처리

이때 Eq. (3)에서의 편회귀계수추정을 위하여 관측된 종속변수들과 선형 함수를 통해 예측된 값의 오차를 최소화하여 미지의 방정식의 계수를 결정하는 방법인 최소제곱법(Ordinary least squares)을 이용하였다. 즉, 아래의 Eq.
유속측정은 대상유역의 4개 단면 평균 하폭이 60 m 이내이므로 ADCP를 이용한 횡측선법을 이용하여 정상류 상태의 유속을 측정하였으며, 횡단 방향에 따른 편기 오차를 최소화하기 위해 4회 이상 반복 측정을 수행하였다. 각 단면별로 측량 결과가 안정적인 단면은 좌·우안 각각을 시작점으로 왕복 2회 측량을 실시하였고, 그렇지 않은 경우 3회 왕복 측량하여 평균값을 이용하였다. Table 2은 이렇게 각 단면에서 측정된 유량, 유속, 단면 폭, 수심 및 각 평균값을 나타내고 있다.
월계1교 지점 8개의 기준점과 4개의 하천단면에 대하여 GPS를 이용하여 실시간이동측위 (RTK)방식으로 하천측량을 실시하였다. 측량오차를 최소화하기 위하여 각 단면선을 따라 1 m 간격으로 최소 3회 이상 측정하여 자료의 평균값을 이용하였다. GPS 측량장비의 수준측량 오차 검토를 위해 측정값의 최소값과 최대값의 범위를 검토한 결과, 수준 측량 범위는 6.

이론/모형

RTS는 거리와 연직각 및 수평각을 하나의 기계로 관측할 수 있는 장비로, 전자식 세오돌라이트 (electronic theodolite)와 광파 측거기 (electro optical instruments)가 하나의 기기로 통합되어 있어 측정한 자료를 신속히 처리하고 출력한다. RTS 측량은 월계1교에 설치된 수준기준점을 기준으로 후방교시법을 통해 이루어졌다. RTK-GPS측량은 GPS를 이용한 실시간 동적 측위 방식으로 기준국과 이동국을 설치하고 기준국에서 모뎀을 이용하여 오차량을 전송함으로써 이동국의 위치정확도를 향상시키는 GPS측량 방식이다.

성능/효과

1)대상유역의 고도 100 m 상공에서 취득한 드론 항공 이미지를 분석한 결과, 이미지의 RGB값과 관측 수심 데이터가 높은 상관관계가 있음을 확인하였다. 상관관계에 따라 수면의 RGB값은 약 2 m 내외의 수심에서 깊이에 따른 공간적 이질성을 포착할 수 있었으며, 수심의 변화에 따라 변동하며 비교적 정확하게 반영되는 것을 확인할 수 있었다.
2)관측 수심 자료와 RGB기반 항공사진에서 독립변수 조합별로 다중선형회귀식을 개발하였으며 유역의 수심 변화에 따른 RGB밴드별 영향정도와 상관관계를 확인할 수 있었다. 빛의 파장에 따른 물의 흡수계수는 RGB밴드별로 차이가 있으며 이에 따라, 본 회귀모형에서도 물의 흡수계수가 큰 색상의 밴드일수록 얕은 수심 스펙트럼 특성이 더 반영되었고 흡수계수가 작은 밴드일수록 하상 및 깊은 수심 스펙트럼 특성이 더 반영된 결과를 보였다.
3) 대상유역의 4개 검증단면에 대하여 실제 수심 관측치와 추정치를 비교하여본 결과, 다중선형회귀모델의 결정계수 평균은 0.86이였으며, 평균절대오차(MAE)는 약 10 cm 로 수심측량 작업규정의 허용오차 범위인 20 cm 이내를 만족하였다. 평균절대비율오차(MAPE)는 14.
상관관계가 다르게 나타남을 볼 수 있다. RGB 조합에서 R밴드는 양, G밴드는 음, B밴드는 양의 상관관계를 보였지만, 변수 GB 조합에서는 G밴드가 양, B밴드가 음의 상관관계를 보였다. 또한 각 조합별 R, G, B계수의 크기를 밴드별 하상고 추정 영향 정도로 보면, RGB조합식과 RB조합식의 경우 B밴드의 계수는 다른 밴드에 비해 약 1/5 ~ 1/2 정도로 작아 수심 변화에 가장 낮은 민감도를 보였다.
지점을 의미한다. 각 단면에서 실측값과 예측값의 MAE 는 약 0.1 m, MAPE는 약 14.47%로 나타났다. 단면별 최대 오차는 약 0.
그러나 본 연구에서 대상 유역 이미지의 적색, 녹색, 청색, 회색 밴드를 사용해 적용하여본 결과, 수심 추정의 정확도가 낮았으며, 공선성 통계량을 분석한 결과, 각 독립변수들의 분산팽창인 자가 10이상 높게 나타나는 다중공선성의 문제를 보였다. 이는 적색, 녹색, 청색 밴드의 영향을 받는 회색 밴드로 인해 변수들 사이의 밀접한 상관관계가 형성됨에 따른 것으로 판단되며, 오히려 회색 밴드를 사용하지 않고 적색, 녹색, 청색 밴드만을 사용한 경우 더 높은 예측 정확도를 보였다.
이는 단면별 동일지점에 대해 각 변수 조합에 따라 산정한 추정 수심과 실측 수심의 비교를 보여준다. 도시된 결과를 보면, RGB조합의 경우 4개 단면 평균 0.877, RG조합은 평균 0.864, RB조합은 평균 0.757, GB조합은 평균 0.104로 나타났다. 특히 독립변수 RGB 조합의 회귀모델과 RG 조합의 회귀모델이 다른 독립변수 조합을 사용한 회귀모델과 비교하여 높은 선형성을 보였으며, 추정값이 실측값과 가장 일치하는 결과를 보여준다.
Table 1은 RTS와 RTK-GPS의 동일 지점측량 비교결과를 나타내고 있다. 동서방향 평면상 평균 절대편차는 9.4 cm, 남북방향 19.6 cm, 수준 절대편차는 10.1 cm로나타났으며, 측량의 정확성을 높이기 위하여 동일 지점에 대해 최소 5회 이상 실시하여 오차를 최소화 하였다. 대부분의 하도 구간에서는 RTK-GPS를 이용하여 지형자료를 취득하였으나, GPS장비 측량이 어려운 일부구간은 ADCP 수심 자료를 이용하였다.
또한 독립변수조합에 따라 각 밴드와 추정 하상고의 상관관계가 달라짐을 확인하였다. 따라서 일련의 분석 과정을 통해 본 연구에서는 가장 최적의 독립변수 조합으로 RG조합을 이용하였으며 밴드별 영향정도를 복합적으로 반영하여 미계측지의 수심 예측이 가능하였다.
RGB 조합에서 R밴드는 양, G밴드는 음, B밴드는 양의 상관관계를 보였지만, 변수 GB 조합에서는 G밴드가 양, B밴드가 음의 상관관계를 보였다. 또한 각 조합별 R, G, B계수의 크기를 밴드별 하상고 추정 영향 정도로 보면, RGB조합식과 RB조합식의 경우 B밴드의 계수는 다른 밴드에 비해 약 1/5 ~ 1/2 정도로 작아 수심 변화에 가장 낮은 민감도를 보였다. 반면 R밴드의 계수는 가장 큰 값을 보이며 가장 높은 민감도를 보였다.
빛의 파장에 따른 물의 흡수계수는 RGB밴드별로 차이가 있으며 이에 따라, 본 회귀모형에서도 물의 흡수계수가 큰 색상의 밴드일수록 얕은 수심 스펙트럼 특성이 더 반영되었고 흡수계수가 작은 밴드일수록 하상 및 깊은 수심 스펙트럼 특성이 더 반영된 결과를 보였다. 또한 독립변수조합에 따라 각 밴드와 추정 하상고의 상관관계가 달라짐을 확인하였다. 따라서 일련의 분석 과정을 통해 본 연구에서는 가장 최적의 독립변수 조합으로 RG조합을 이용하였으며 밴드별 영향정도를 복합적으로 반영하여 미계측지의 수심 예측이 가능하였다.
분석결과를 보면, 독립변수 조합에 따라 각 밴드별로 하상 고와의 상관관계가 다르게 나타남을 볼 수 있다. RGB 조합에서 R밴드는 양, G밴드는 음, B밴드는 양의 상관관계를 보였지만, 변수 GB 조합에서는 G밴드가 양, B밴드가 음의 상관관계를 보였다.
빛의 파장에 따른 물의 흡수계수는 RGB밴드별로 차이가 있으며 이에 따라, 본 회귀모형에서도 물의 흡수계수가 큰 색상의 밴드일수록 얕은 수심 스펙트럼 특성이 더 반영되었고 흡수계수가 작은 밴드일수록 하상 및 깊은 수심 스펙트럼 특성이 더 반영된 결과를 보였다. 또한 독립변수조합에 따라 각 밴드와 추정 하상고의 상관관계가 달라짐을 확인하였다.
상관관계가 있음을 확인하였다. 상관관계에 따라 수면의 RGB값은 약 2 m 내외의 수심에서 깊이에 따른 공간적 이질성을 포착할 수 있었으며, 수심의 변화에 따라 변동하며 비교적 정확하게 반영되는 것을 확인할 수 있었다.
즉, 물의 색상, 탁도, 수면에서의 반사와 투과되는 빛의 세기에 따라 변하는 빛의 파장별 디지털 값을 사용하므로 유역 자체의 스펙트럼 특성이 동시에 반영되어 수심을 예측할 수 있는 장점이 있다. 셋째, 기존 초분광 영상 기술 또는 LiDAR 시스템을 이용한 기술은 그 효용성과 정확성은 우수하나, 초분광 영상 기술은 영상분석 시간이 길며, 두 연구 방법 모두 고가의 카메라 또는 센서 장비가 필요하여 고비용이 소요된다(Lee et al., 2018). 본 연구에서는 드론에 탑재되어 있는 RGB 카메라를 사용하여 시간과 비용을 저감시켜 합리적으로 하천계측에 적용할 수 있도록 고안되었다.
실측자료와 비교하여, 물이 존재하는 영역의 경우 수심이 얕은 구간에서 평균오차 26 cm, 최대오차 91 cm의 오차를 확인하였다. 수심이 깊어진 일정 구간에서는 태양광에 의한 난반사, 빛의 투과, 흡수, 굴절 등으로 정상적인 하상고 추출이 이루어지지 않았으며, 매우 낮은 수준의 정확도를 보였다. 따라서 본연구에서는 다중선형회귀분석을 이용하여 RGB값에 의한 수심 추정 방법을 적용하였다.
3는 각 단면에 대하여 드론 카메라를 사용하여 취득한 수치 표고모형(DEM)에서 추출한 하상고를 도시하였다. 실측자료와 비교하여, 물이 존재하는 영역의 경우 수심이 얕은 구간에서 평균오차 26 cm, 최대오차 91 cm의 오차를 확인하였다. 수심이 깊어진 일정 구간에서는 태양광에 의한 난반사, 빛의 투과, 흡수, 굴절 등으로 정상적인 하상고 추출이 이루어지지 않았으며, 매우 낮은 수준의 정확도를 보였다.
계수이다. 자료의 정확성을 위해 각 GCP 지점별 5개 이상의 이미지로 평균화하여 변동값을 보정하였으며, 보정·변환된 GCP좌표의 오차는 0.05 m이내로 감소하였다.
(2019)에 따르면 일반적으로 수심이 깊을수록 증가하는 광 감쇠 경향은 녹색밴드 및 청색밴드 보다 적색밴드에서 크게 나타난다. 즉, 본 회귀모형에서도 물의 흡수계수가 큰 색상의 밴드일수록 얕은 수심 스펙트럼 특성이 더 반영되고 흡수계수가 작은 밴드일수록 하상 및 깊은 수심 스펙트럼 특성이 더 반영되었음을 보여준다. 따라서 각 조합식에서 설명변수와 하상고의 상관관계 및 RGB변수의 하상고 추정에 대한 영향정도가 다르게 형성되는 결과를 설명할 수 있다.
104로 나타났다. 특히 독립변수 RGB 조합의 회귀모델과 RG 조합의 회귀모델이 다른 독립변수 조합을 사용한 회귀모델과 비교하여 높은 선형성을 보였으며, 추정값이 실측값과 가장 일치하는 결과를 보여준다. 또한 공선성 통계량 결과를 보면 RGB조합의 경우, 변수 G, B에서 공차 한계(TOL)가 0.
수심이 급격하게 변화한 지점은 이미지의 RGB값이 수심변화를 반영하는 과정에서 다른 얕은 구간에 비해 정밀하게 포착하지 못해 발생하는 오차에 따른 것으로 판단된다. 표준편차를 일반화시킨 척도로 실제값과 예측값의 차이를 나타내는 평균 제곱근 오차(RMSE)의 단면 평균은 약 0.14 m, 중앙값(Median)은 약 0.08 m 정도를 보였으며, 수심변화가 완만한 구간에서는 0.1 m 이하의 오차를 보이며 높은 예측 정확도를 보였다.

후속연구

하지만 이러한 직접측량 방식은 대부분 계측 장비, 인력, 시간 등 많은 소요비용이 필요한 방식으로, 급변하는 하천 공간에 대한 지속적인 조사기술로는 제한적이다. 또한 측량 자료를 신속하게 취득하기가 어렵기 때문에 자료를 적기에 신속하고 효율적으로 구축할 수 있는 기술 개발이 필요하다.
결과가 왜곡될 가능성이 있다. 이러한 문제는 단순히 드론 비행 항로를 적절하게 설정하여 이미지 취득시간을 줄임으로서 해결될 수 있으나, 이미지 취득 지속시간에 따른 측정 결과의 왜곡 정도는 후행 연구를 통해 검증이 필요하다. 이와 더불어 수중 식생 및 물체에 따른 오차 처리, 이미지 전처리 등의 기술적 한계 또한 향후 연구에서 고해상도드론 카메라와 향상된 이미지분석 기법을 통해 보완이 될 필요가 있다.
이미지 전처리 과정은 물이 존재하는 하천이나 해양의 경우 수심이 얕은 구간에서는 정상적으로 처리되지만, 수심이 깊은 일부 구간에서는 분석이 이루어지지 않는 기술적 한계가 있다. 이러한 오차 처리 및 기술적 한계는 향후 연구에서 더 향상된 이미지 처리 기법과 고성능 카메라를 탑재한 드론을 통해 보완할 수 있을 것으로 보인다.
이러한 문제는 단순히 드론 비행 항로를 적절하게 설정하여 이미지 취득시간을 줄임으로서 해결될 수 있으나, 이미지 취득 지속시간에 따른 측정 결과의 왜곡 정도는 후행 연구를 통해 검증이 필요하다. 이와 더불어 수중 식생 및 물체에 따른 오차 처리, 이미지 전처리 등의 기술적 한계 또한 향후 연구에서 고해상도드론 카메라와 향상된 이미지분석 기법을 통해 보완이 될 필요가 있다.

참고문헌 (21)

Abdallah, H., Bailly, J.S., Baghdadi, N.N., Saint-Geours, N., and Fabre, F. (2013). "Potential of space-borne LiDAR sensors for global bathymetry in coastal and inland waters." IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 6, No. 1, pp. 202-216.

상세보기
Ahn, K., Park, J., and Oh, C.Y. (2016). "Estimation of shallow water depth using drone and HD camera." Proceeding of the conference of Korea Society of Coastal and Ocean Engineering.
Ferguson, R.I., Parsons, D.R., Lane, S.N., and Hardy, R.J. (2003). "Flow in meander bends with recirculation at the inner bank." Water Resources Research, Vol. 39, No. 11, pp. 1322-1335.
Fujita, I., Muste, M., and Kruger, A. (1998). "Large-scale particle image velocimetry for flow analysis in hydraulic engineering applications." Journal of Hydraulic Research, Vol. 36, pp. 397-414.

상세보기
Guenther, G.C., Cunningham, A.G., LaRocque, P.E., and Reid, D.J. (2000). "Meeting the accuracy challenge in airborne lidar bathymetry." Proceedings of the EARSel-SIG-Workshop, LIDAR, Dresden, Germany, p. 23.
Jakob, S., Zimmermann, R., and Gloaguen, R. (2017). "The need for accurate geometric and radiometric corrections of drone-borne hyperspectral data for mineral exploration: Mephysto-a toolbox for pre-processing drone-borne hyperspectral data." Remote Sensing, Vol. 9, No. 1, p. 88.

상세보기
Jia, Y., and Wang, S.S. (1999). "Numerical model for channel flow and morphological change studies." Journal of Hydraulic Engineering, Vol. 125, No. 9, pp. 924-933.

상세보기
Kalkwijk, J.T., and De Vriend, H.J. (1980). "Computation of the flow in shallow river bends." Journal of Hydraulic Research, Vol. 18, No. 4, pp. 327-342.

상세보기
Kim, J.S., Baek, D.H., Seo, I.W., and Shin, J.H. (2019). "Retrieving shallow stream bathymetry from UAV-assisted RGB imagery using a geospatial regression method." Geomorphology, Vol. 341, pp. 102-114.

상세보기
Kuster, T. (2012). "The possibility of using the Landsat image archive for monitoring long time trends in coloured dissolved organic matter concentration in lake waters." Remote Sensing of Environment, Vol. 123, pp. 334-338.

상세보기
Lee, C.J., Kim, W., Kim, C.Y., and Kim, D.G. (2005). "Velocity and discharge measurement using ADCP." Journal of Korea Water Resources Association, Vol. 38, No. 10, pp. 811-824.

원문보기 상세보기
Lee, D.S., Lee, J.H., and Jang, S.Y. (2018). Development planning of river research optimization drone system for smart river management. Korea Institute of Civil Engineering and Building Technology, pp. 111-120.
Legleiter, C.J., Roberts, D.A., and Lawrence, R.L. (2009). "Spectrally based remote sensing of river bathymetry." Earth Surface Processes and Landforms, Vol. 34, No. 8, pp. 1039-1059.

상세보기
Lyzenga, D.R. (1981). "Remote sensing of bottom reflectance and water attenuation parameters in shallow water using aircraft and Landsat data." International Journal of Remote Sensing, Vol. 2, No. 1, pp. 71-82.

상세보기
Oh, C.Y., Ahn, K.M., Park, J.S., and Park, S.W. (2017). "Coastal shallow-water bathymetry survey through a drone and optical remote sensors." Journal of Korean Society of Coastal and Ocean Engineers, Vol. 29, No. 3, pp. 162-168.

원문보기 상세보기
Pan, Z., Glennie, C., Legleiter, C., and Overstreet, B. (2015). "Estimation of water depths and turbidity from hyperspectral imagery using support vector regression." IEEE Transactions on Geoscience and Remote Sensing Letters, Vol. 12, No. 10, pp. 2165-2169.

상세보기
Peddle, D.R., White, H.P., Soffer, R.J., Miller, J.R., and Ledrew, E.F. (2001). "Reflectance processing of remote sensing spectroradiometer data." Computers and Geosciences, Vol. 27, No. 2, pp. 203-213.

상세보기
Srivastava, D,K., Weinrotter, M., Kofler, H., Agarwal, A.K., and Wintner, E. (2009). "Laser-assisted homogeneous charge ignition in a constant volume combustion chamber." Optics and Lasers in Engineering, Vol. 47, No. 6, pp. 680-685.

상세보기
Yang, G., Liu, J., Zhao, C., Li, Z., Huang, Y., Yu, H., Xu, B., Yang, X., Zhu, D., Zhang, X., and Zhang, R. (2017). "Unmanned aerial vehicle remote sensing for field-based crop phenotyping: Current status and perspectives." Frontiers in Plant Science, Vol. 8, p. 1111.

상세보기
Yi, J.H., Ryu, K.H., Shin, C., Baek, W.D., and Jeong, W.M. (2016). "Bathymetry estimation using aerial imagery for shallow water region." Journal of The Korean Society of Hazard Mitigation, Vol. 16, No. 5, pp. 351-358.

원문보기 상세보기
Zinke, P., and Flender, C. (2013). "Experiences from the use of unmanned aerial vehicles (UAV) for river bathymetry modelling in norway." VANN, Vol. 48, pp. 351-360.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증